第一次看見awk這三個字母，是在某實習童鞋的QQ狀態里面，贊同事寫的awk如何高效。
昨天在書暢草草看了下IBM官方技術博里的文章，覺得很贊，很激動，但是有點看不太懂，還是自己抱着教科書，老老實實從頭看起吧。
哦，這里說一下，最近看的shell相關的東西，都是跟着《A Pratical Guide to Linux Commands,Editors, and Shell Programming》這本書的。
gawk是awk的GNU版本。
> 使用條件
主要是用gawk來處理結構化的數據。
什么是結構化呢，我的理解，就是一個文件里面的內容，可以按照某種記錄記錄格式，一條記錄一條記錄地讀，同時，每一條記錄中間用一個分隔符分成了若干個部分，而且所有記錄用同一個分隔符，且所有行用分隔符分出來的部分的數目相同。
當然，gawk可以結構化數據，也可以輸出結構化數據。
另外，要提的一點是，gawk在處理數據的時候，不修改原有的數據文件，只是將數據讀出來，做處理。
> 語法
gawk [option] [program] [file-list]
gawk [options] –f program-file [file-list]
白話說來，運行gawk有兩種方式：
1、直接在shell里面運行。option是運行的選項；program是gawk的代碼，要用' ' 括起來，目的是屏蔽shell對里面內容的解析；file-list是用到的數據文件。[option 有哪些？file-list多個文件怎么處理？]
2、將gawk作為獨立的文件，調用gawk文件來執行。要用-f來標記是使用的gawk文件，同時program-list是gawk文件的列表。
> 選項(option)
僅列出要緊的幾個
| -F fs | 將fs作為輸入字段分隔符 |
| -f program-file | 從program-file 命名文件而不是標准輸入讀取gawk程序，用戶可以多次指定這個選項 |
| -v var=value | 將value賦值給var。賦值動作在gawk程序執行之前進行，並用於BEGIN模式。可以在命令行上多次指定這一選項。 |
> 組成單元
好吧，這是我根據自己理解用的一個名詞。為什么這么說呢？想想以前的各種語言，C，基本組成單元是函數，除了頭文件之外，程序是有各個函數構成的；C++類似；Java，各種方法，所以說，他們的組成單元是 函數 或 方法。
但是gawk呢？如下：
pattern{ action }
每個action用 "{","}"包圍起來，同時，"{"要跟在pattern的同一行。
pattern有多種，action各式各樣，但是整個gawk的程序，可以按照這樣的組成單元，分解開來。
所以說，寫gawk程序，就是在源文件里面，構建一個個這樣的組成單元。
gawk的組成單元，有兩個部分，pattern，action。pattern作為一個模式，決定了action在什么情況下運行，而action，則是當記錄符合條件（pattern）時，執行什么樣的動作。這里想用一個圖來說明下：
圖1 gawk處理結構化數據示意圖
如圖1所示，gawk的程度，就像是在結構數據上的套子，順着結構數據，從頭讀到尾，然后根據數據是否滿足要求，來決定執行action。這里有一個問題，在gawk文件內，多個組成單元，是怎么樣的一個執行順序，在后面會用實例檢驗一下。
根據pattern的不同，可以講組成單元分成3類：
1、系統默認
有兩個BEGIN，END。
BEGIN在所有代碼開始前執行，也就是說，他不參與pattern的判定。主要是用來初始化一些系統變量等。
END在前面的所有代碼執行完畢后執行，也沒有pattern的判定。主要是清理一些中間生成的臨時數據等等。
2、無pattern
也就是pattern為空，表示所有的結構化數據，每行數據，都要執行這個pattern下的action
3、定義pattern
實際上“定義pattern”和“無pattern”一樣，action都是用戶來寫的，這里之所以區分開，如前面所說，是基於pattern來分的。
這一類，pattern可以是一個條件判斷，也可以是一個正則表達式匹配。
> 系統變量
這些變量被gawk占用了，用的時候，直接拿來就是對應的含義：
表1 變量
| $0 | 當前記錄（作為單個變量） |
| $1-$n | 當前記錄中的字段 |
| FILENAME | 當前輸入文件名 |
| FS | (Field Split)輸入字段字段分隔符 |
| NF | (Number of Fields)當前記錄的字段數目 |
| NR | (Number of current Record)當前記錄的記錄編號 |
| OFS | (Output Field Split)輸出字段分隔符（默認為空格） |
| ORS | (Output Record Split)輸出記錄分隔符（默認為換行符） |
| RS | (Record Split)輸入記錄分隔符（默認為換行） |
FS，RS，可以在BEGIN中，根據具體輸入文件的不同，進行設置。
OFS，ORS，也可以再BEGIN中，根據輸出文件的要求，進行設置。
在程序中，可以通過NF，知道一條記錄中有多少個字段，也就決定了$1-$n的n是多少。
在任何時刻都可以修改分隔符的值，具體方法是通過在程序中或者在命令行中使用--assign（-v）選項，將一項新的值指派給對應的變量。
（也就意味着，在輸入和輸出文件中，都可以出現分隔符不同一的情況）
> 函數
gawk的內置函數，用來操作數字和字符串
表2 函數
| length(str) | 返回字符串str的字符個數，如果沒有參數str，返回當前記錄的字符個數 |
| int(num) | 返回num的整數部分 |
| index(str1,str2) | 返回str2在str1中的位置，如果str2不存在返回0 |
| split(str,arr,del) | 用del做分隔符，將str的元素放置到arr[1]到arr[n]中，返回數組元素個數 |
| sprintf(fmt,args) | 根據fmt格式化args並返回格式化后的字符串 |
| substr(str,pos,len) | 返回str中從pos開始長度為len個字符的字符串 |
| tolower(str) | str字母全部轉為小寫 |
| toupper(str) | str字母全部轉為大寫 |
> 注釋
該行以 # 開頭。
> 關聯數組
我理解它類似於C#的Dictionary<k,v>，可以用字符串做索引：array[string]=value
在使用的時候，利用for可以實現：for (elem in array) print array[elem]
> 控制結構
if-else,while,for 與C語言的對應項基本一致，完全不同於Shell下的對應項，不再贅述。
初始gawk，就到這里，用一個例子來結束：
數據文件cars記錄了一組關於汽車的銷售信息（品牌，型號，生產年代，千里里程數，價格），用gawk，寫程序，統計下平均使用年限，所有車的平均價格和新車（晚於2000年）的平均價格
圖2 數據文件cars
圖3 gawk代碼
圖4 運行結果